license: apache-2.0 tags:

• image-segmentation
• segment-anything
• segment-anything-2
• onnx
• onnxruntime library_name: onnxruntime

Segment Anything 2 (SAM 2) — ONNX 模型

Meta Segment Anything Model 2 (SAM 2) 的 ONNX 导出版本，可使用 ONNX Runtime 在 CPU/GPU 上进行推理 — 运行时无需 PyTorch。

这些模型被 AnyLabeling 用于 AI 辅助图像标注，并由 samexporter 导出。

寻找 SAM 2.1？ 请查看 vietanhdev/segment-anything-2.1-onnx-models — 这是一个精度更高的改进版本。

可用模型

每个 zip 文件包含两个 ONNX 文件：一个编码器（每张图像运行一次）和一个解码器（针对每个提示交互式运行）。

提示类型

• 点 (+point / -point)：点击以包含/排除区域
• 矩形：在目标对象周围绘制边界框

配合 AnyLabeling 使用（推荐）

AnyLabeling 是一款桌面标注工具，内置模型管理器可自动下载、缓存和运行这些模型 — 无需编写代码。

1. 安装：pip install anylabeling
2. 启动：anylabeling
3. 点击 Brain 按钮 → 从下拉菜单中选择一个 Segment Anything 2 模型
4. 使用点或矩形提示来分割对象

使用 ONNX Runtime 编程调用

import urllib.request, zipfile
url = "https://huggingface.co/vietanhdev/segment-anything-2-onnx-models/resolve/main/sam2_hiera_tiny.zip"
urllib.request.urlretrieve(url, "sam2_hiera_tiny.zip")
with zipfile.ZipFile("sam2_hiera_tiny.zip") as z:
    z.extractall("sam2_hiera_tiny")

然后使用 samexporter 的推理模块：

pip install samexporter
python -m samexporter.inference \
    --encoder_model sam2_hiera_tiny/sam2_hiera_tiny.encoder.onnx \
    --decoder_model sam2_hiera_tiny/sam2_hiera_tiny.decoder.onnx \
    --image photo.jpg \
    --prompt prompt.json \
    --output result.png \
    --sam_variant sam2

从源码重新导出

使用 samexporter 重新导出或自定义模型：

pip install samexporter
pip install git+https://github.com/facebookresearch/segment-anything-2.git

# 下载 SAM 2 检查点
cd original_models && bash download_sam2.sh && cd ..

# 导出 Tiny 变体
python -m samexporter.export_sam2 \
    --checkpoint original_models/sam2_hiera_tiny.pt \
    --output_encoder output_models/sam2_hiera_tiny.encoder.onnx \
    --output_decoder output_models/sam2_hiera_tiny.decoder.onnx \
    --model_type sam2_hiera_tiny

# 或者一次性转换所有 SAM 2 变体：
bash convert_all_meta_sam2.sh

相关仓库

许可证

ONNX 模型源自 Meta 的 SAM 2，基于 Apache 2.0 许可证发布。 导出代码属于 samexporter 的一部分，基于 MIT 许可证发布。